Morrow: Ein Unternehmensgedächtnis-Konzept für KI-native Teams
Eine designgetriebene MVP-Konzeptstudie, die KI-Agenten ein verlässliches Unternehmensgedächtnis gibt. Morrow zieht Slack, Linear, GitHub, Notion, Calls und Tickets in eine geprüfte Kontextebene, macht daraus ausführbare Skill-Dateien und liefert sie Agenten über eine API. Jede Antwort trägt den Beleg, aus dem sie stammt.
Die Herausforderung
Unternehmen brauchen geprüften, vertrauenswürdigen Kontext für Entscheidungen, die in Slack-Threads, Calls, Tickets, Docs und Pull Requests verstreut sind. Die Suche liefert Fragmente, Dokumentation entfernt sich von der tatsächlichen Arbeitsweise, und Agenten fragen entweder ständig Menschen oder antworten aus Quellen, die sich widersprechen. Die Frage war: Wie gibt man Agenten ein Unternehmensgedächtnis, das geprüft und aktuell gehalten wird, sodass sie damit handeln können, ohne dass ein Mensch jede Antwort kontrolliert?
Die Lösung
Morrow wurde über zwei responsive Screens entworfen und gebaut. Die Landingpage zeigt das Problem und den Workflow dahinter: ingest, resolve, approve, publish, learn. Im Operator-Dashboard passiert die eigentliche Arbeit. Es zeigt Live-Metriken zur Gedächtnisgesundheit, den Status der Quellconnectoren, eine Widerspruchs-Queue, beleggestützte Konfliktlösung, ein menschliches Freigabe-Gate, generierte Skill-Dateien und einen Audit-Trail. Widersprüchliche Quellen werden zu Review-Aufgaben, und nichts erreicht einen Agenten, bevor ein Verantwortlicher freigibt. Geprüfter Kontext geht anschließend über abgesicherte API-Endpunkte an Agenten, die nur geprüftes Gedächtnis und Skill-Dateien freigeben, niemals die offene Queue. Die Oberfläche setzt auf eine konstruierte Laborinstrument-Ästhetik mit animierten Kontextgraph-Visualisierungen, gebaut in Next.js 16.
